Fugu-MT 論文翻訳(概要): Reversible Genetically Modified ModeJumping MCMC

論文の概要: Reversible Genetically Modified ModeJumping MCMC

arxiv url: http://arxiv.org/abs/2110.05316v1
Date: Mon, 11 Oct 2021 14:35:15 GMT
ステータス: 処理完了
システム内更新日: 2021-10-12 19:42:33.095393
Title: Reversible Genetically Modified ModeJumping MCMC
Title（参考訳）: 可逆的遺伝子改変モードジャンピングMCMC
Authors: Aliaksandr Hubin, Florian Frommlet, Geir Storvik
Abstract要約: 複雑なモデル空間における後部モデル確率を推定するために,遺伝的に修飾されたモードジャンプ型モンテカルロアルゴリズム (GMJMCMC) の可逆バージョンを導入する。
参考スコア（独自算出の注目度）: 8.981611730153546
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we introduce a reversible version of a genetically modified mode jumping Markov chain Monte Carlo algorithm (GMJMCMC) for inference on posterior model probabilities in complex model spaces, where the number of explanatory variables is prohibitively large for classical Markov Chain Monte Carlo methods. Unlike the earlier proposed GMJMCMC algorithm, the introduced algorithm is a proper MCMC and its limiting distribution corresponds to the posterior marginal model probabilities in the explored model space under reasonable regularity conditions.
Abstract（参考訳）: 本稿では,マルコフ連鎖モンテカルロ法において,説明変数の数が限定的に大きい複素モデル空間における後モデル確率の推測のために,遺伝的に変形したモードジャンプマルコフ連鎖モンテカルロアルゴリズム(gmjmcmc)の可逆版を提案する。提案したGMJMCMCアルゴリズムとは異なり、導入アルゴリズムは適切なMCMCであり、その制限分布は、合理的な正則性条件下で探索されたモデル空間における後縁モデル確率に対応する。

関連論文リスト

Symmetry-driven embedding of networks in hyperbolic space [0.4779196219827508]
双曲モデルでは、経験的ネットワークの重み付き次数分布、高いクラスタリング、階層構造を再現することができる。しかし、ネットワークの双曲座標を見つけるための現在のアルゴリズムは、推論された座標の不確かさを定量化しない。 BIGUEはマルコフ連鎖モンテカルロアルゴリズムであり、ベイズ的双曲乱数グラフモデルの後部分布をサンプリングする。
論文参考訳（メタデータ） (2024-06-15T18:44:02Z)
Online Variational Sequential Monte Carlo [49.97673761305336]
我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
論文参考訳（メタデータ） (2023-12-19T21:45:38Z)
Automatic Rao-Blackwellization for Sequential Monte Carlo with Belief Propagation [4.956977275061968]
状態空間モデル(SSM)に関する具体的なベイズ予想は、一般には難解である。本稿では,信念の伝播を用いた閉形式解を可能な限り計算する混合推論アルゴリズムを提案する。
論文参考訳（メタデータ） (2023-12-15T15:05:25Z)
Reverse Diffusion Monte Carlo [19.35592726471155]
逆拡散モンテカルロ(rdMC)と呼ばれる新しいモンテカルロサンプリングアルゴリズムを提案する。 rdMCはマルコフ連鎖モンテカルロ(MCMC)法とは異なる。
論文参考訳（メタデータ） (2023-07-05T05:42:03Z)
Variational Laplace Autoencoders [53.08170674326728]
変分オートエンコーダは、遅延変数の後部を近似するために、償却推論モデルを用いる。完全分解ガウス仮定の限定的後部表現性に対処する新しい手法を提案する。また、深部生成モデルのトレーニングのための変分ラプラスオートエンコーダ(VLAE)という一般的なフレームワークも提示する。
論文参考訳（メタデータ） (2022-11-30T18:59:27Z)
GEC: A Unified Framework for Interactive Decision Making in MDP, POMDP, and Beyond [101.5329678997916]
対話型意思決定の一般的な枠組みの下で, サンプル高能率強化学習(RL)について検討した。本稿では,探索とエクスプロイトの基本的なトレードオフを特徴付ける,新しい複雑性尺度である一般化エルダー係数(GEC)を提案する。低 GEC の RL 問題は非常にリッチなクラスであり、これは低ベルマン楕円体次元問題、双線型クラス、低証人ランク問題、PO-双線型クラス、一般化正規PSR を仮定する。
論文参考訳（メタデータ） (2022-11-03T16:42:40Z)
Nonparametric Involutive Markov Chain Monte Carlo [6.445605125467574]
NP-iMCMCは、多くの既存のiMCMCアルゴリズムを非パラメトリックモデルに応用できることを示す。最近提案されたNP-iMCの例であるNonparametric HMCに適用することにより、いくつかの非パラメトリック拡張を構築した。
論文参考訳（メタデータ） (2022-11-02T13:21:52Z)
Modular Conformal Calibration [80.33410096908872]
回帰における再校正のためのアルゴリズムを多種多様なクラスで導入する。このフレームワークは、任意の回帰モデルをキャリブレーションされた確率モデルに変換することを可能にする。我々は17の回帰データセットに対するMCCの実証的研究を行った。
論文参考訳（メタデータ） (2022-06-23T03:25:23Z)
Sampling in Combinatorial Spaces with SurVAE Flow Augmented MCMC [83.48593305367523]
ハイブリッドモンテカルロ(Hybrid Monte Carlo)は、複素連続分布からサンプリングする強力なマルコフ連鎖モンテカルロ法である。本稿では,SurVAEフローを用いたモンテカルロ法の拡張に基づく新しい手法を提案する。本稿では,統計学,計算物理学,機械学習など,様々な分野におけるアルゴリズムの有効性を実証し,代替アルゴリズムと比較した改良点を考察する。
論文参考訳（メタデータ） (2021-02-04T02:21:08Z)
MCMC-Interactive Variational Inference [56.58416764959414]
本稿では, MCMC-interactive variational inference (MIVI) を提案し, 後部を時間制約で推定する。 MIVIは変分推論とMCMCの相補的特性を利用して相互改善を促進する。実験により、MIVIは後部を正確に近似するだけでなく、勾配MCMCとギブスサンプリング遷移の設計を容易にすることが示された。
論文参考訳（メタデータ） (2020-10-02T17:43:20Z)
Non-convex Learning via Replica Exchange Stochastic Gradient MCMC [25.47669573608621]
本稿では,適応的複製交換SGMCMC(reSGMCMC)を提案し,バイアスを自動的に補正し,対応する特性について検討する。実験では,様々な設定の広範囲な実験を通じてアルゴリズムを検証し,その結果を得た。
論文参考訳（メタデータ） (2020-08-12T15:02:59Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。